医学体数据三维可视化方法的分类与评价

医学图象三维可视化具有极大的医学研究和临床诊疗应用前景,是现代医学影象研究的重要领域。医学图象三维可视化方法通常分为表面绘制和体绘制,已有许多具体的算法提出,一些算法兼具表面绘制和体绘制的特点,归为混合绘制方法,该文概述了一些典型算法,并讨论了其特点及相互联系,同时对各类方法的应用场合及前景了分析和评价。     

基于Legendre矩的CT及MR医学图象融合方法

为了提高CT、MR多模态医学图象配准、融合的精度和速度,提出了基于Legendre矩的CT和MR多模态医学图象配准、融合方法,并运用二维9数据图象的Legendre矩正交性和无冗余性的特点,通过找出CT及MR两种模态医学图象的质心,计算出两图象的比例因子,从而完成了两图象的平移和旋转,并精确地实现了CT和MR两模态图象的配信、融合,还优化了Legendre矩的快速算法和提高了应用Legendre矩配准CT和MR图象的速度。实验表明,利用Legendre矩对CT和MR等多模态图象配准、融合,不失为一种比较直接、简洁的方法;同时,Legendre矩在医学影象诊断、放疗计划系统等方面也具有重要的应用价值。     

体绘制源和反射-衰减模型

为解决医学图象三维可视化中三维体数据显示的问题,在综合了体绘制源－衰减模型和兰伯特漫反射余弦定律的基础上,提出了体绘制源和反射－衰减光照模型,新的模型假定三维标量数据场中的每一点都既是点光源,又能够反射外部入射光,并且反射光的分布遵循兰伯特漫反射余弦定律,由以上假定推导出体绘制的基本运算公式。实验结果表明,体绘制源和反射－衰减模型是一种性能优良的体光照模型,其用于医学断层图象三维可视化能够生成逼真     

体绘制技术在医学可视化中的新发展

科学计算可视化体绘制算法能反映出体数据的内部信息，在医学，它已经从辅诊断发展成为辅助治疗的重要手段，体可视化技术是医学可视化的重要研究内容，其处理过程包括体数据的获取，模型的建立，数据的映射，绘制等操作，该文介绍了医学可视化中常使用的几种光照模型，针对基于图象空间和对象空间两种体绘制算法，介绍了它们的基本思想方法，并详细阐述了在近期的主要加速技术和提高图象质量方法的新进展，最后给出了实验数据和结论。     

基于深度学习的多模态医学图像分割综述

多模态医学图像可以为临床医生提供靶区（如肿瘤、器官或组织）的丰富信息。然而，由于多模态图像之间相互独立且仅有互补性，如何有效融合多模态图像并进行分割仍是亟待解决的问题。传统的图像融合方法难以有效解决此问题，因此基于深度学习的多模态医学图像分割算法得到了广泛的研究。从原理、技术、问题及展望等方面对基于深度学习的多模态医学图像分割任务进行了综述。首先，介绍了深度学习与多模态医学图像分割的一般理论，包括深度学习与卷积神经网络（CNN）的基本原理与发展历程，以及多模态医学图像分割任务的重要性；其次，介绍了多模态医学图像分割的关键概念，包括数据维度、预处理、数据增强、损失函数以及后处理等；接着，对基于不同融合策略的多模态分割网络进行综述，对不同方式的融合策略进行分析；最后，对医学图像分割过程中常见的几个问题进行探讨，并对今后研究作了总结与展望。     

医学体数据的三维测量技术研究

医学体数据的三维测量技术是计算机可视化、图像分割与测量等技术在生物医学工程上的重要应用,它提供了一种对器官组织进行三维观察、分析和测量的技术手段,在医学临床与医学研究中具有重要意义.通过医学体数据的分割技术将特定的器官组织(如病灶区)分割出来进行三维测量,为医学诊治和研究提供可靠的数据分析.     

多模态检索在医学领域的研究综述

随着计算机与大数据技术在医学领域中的迅速应用以及医疗信息存储标准的逐渐完善,医学数据呈爆炸式增长。医学数据由于其自身特点而呈现出多模态形式,且这些多模态数据往往同时出现、互相补充,因此实现多模态数据间的相互检索具有重要的临床价值。回顾了近年来多模态检索在医学领域的实现方法,将其归纳为基于文本、基于内容以及基于融合信息的多模态检索,基于内容的多模态检索可进一步划分为基于传统特征的检索和基于深度特征的检索。针对多模态检索算法的性能,介绍了准确率、召回率以及平均精度均值等常用的评价指标。分析了当前医学领域多模态检索所面临的挑战,并对未来医学领域多模态检索的研究发展进行了展望。     

交互式虚拟内窥镜系统

计算机图形图象技术与虚拟现实技术应用于医学内窥镜系统,产生了虚拟内窥镜技术,为了将虚拟现实技术应用在医学图象处理方面,以方便医生进行虚拟手术与无创诊断,在综合利用各种计算机图形,图象技术的基础上,提出了完整的交互式虚拟内窥镜系统的框架,同时对系统结构和各种模型进行了分析和讨论,还针对系统的实时性和绘制结果的逼真性要求,提出了基于Object Cache和扩展的区域增长方法,并将其应用到医学图象处理当中,得到了较好的效果,该系统较好地解决了虚拟现实与可视化实时性和绘制精度两方面的要求,从而为医学图象可视化提供了有力的工具。     

小波变换在三维医学图象分割中的应用

本文将多尺度小波变换应用到三维医学图象分割中的阈值选取中．由于小波变换在较大尺度，由噪音引起的细小突变较少，可描述信号的整体行为，取较大尺度的由负到正的零交叉点来确定图象的阈值，再逐步到相邻的小尺度由粗到精地确定精确的阈值．用以上算法对三维医学图象进行二值化后，根据待提取组织或区域的特征，再选取合适的数学形态学操作，最后对区域进行种子填充．从实验结果可以看出分割效果较好，能够满足三维重建的要求．     

基于特征距离的阈值法及其在眼科图象分割中的应用

医学图象的识别与分析能够为临床提供定量比的诊断依据,而图象分割是其中最关键的一步。为提高医学图象侵分割效果,提出了一种基于特征距离的阈值分割算法,并将其与颜色特征分类相结合,来对眼科裂隙灯生物显微镜图象上的角膜充血区进行分割,分割结果可用于角膜充血区的定量体分析,另外,该算法中的样本典型值是通过一种三维直方图分块算法来确定的,实验结果表明,该算法可以有效地分割出角膜充血,其分割效果优于欧氏距离阈值法,且分析数据的精度能够达到临床诊断的要求。     

Efficient graph cut optimization using hybrid kernel functions for segmentation of FDG uptakes in fused PET/CT images

The purpose of this work is to segment the multi region Fluoro Deoxy Glucose radioactivity uptakes from fused Positron Emission Tomography / Computerized Tomography images automatically irrespective of their location in the body. Color image processing is performed to filter and enhance the saturation components of the images. The proposed method of graph cut image partitioning through kernel mapping of the image data is applied for the saturation equalized components of Red, Green, and Blue model images. Energy minimization of the objective function includes the data term minimization within each segmentation region and smoothening the regularization term preserving the boundary regions. Hybrid kernel functions are used for partitioning by graph-cut iterations and computation of region parameters through fixed-point computation. This method combines the performance of global and local kernel functions which makes the segmentation robust and accurate. The performance assessment is carried out for different views of fused Positron Emission Tomography / Computerized Tomography images, and are evaluated qualitatively, quantitatively, and comparatively. This method can be applied for the analysis of certain image features, diagnosis, and display purposes.     

Direct visualization of volume data

A combination of segmentation tools and fast volume renderers that provides an interactive exploration environment for volume visualization is discussed. The tools and renderers include mechanisms that distribute volume data across multiple processors, as well as image compositing techniques and solutions to representation problems in the selection and display of subregions within bounding volumes. A volume visualization technique using the interactive control of images rendered directly from volume data coupled with a user-controlled semantic classification tool is described. The variations of parallel volume rendering being explored on the Pixel-Planes 5 system and the region-of-interest selection methods and the interactive tools used by the system are presented. The flexibility and power of combining volume rendering with region-of-interest selection techniques are demonstrated using examples of medical imaging applications     

基于区域特征的交互式图像分割方法及其应用

交互式图像分割方法因其能够处理复杂的图像而得到了广泛的研究.文章提出了一种基于代理机模型的交互式图像分割方法.代理机是完成特定功能的模块,它通过控制界面和汇报界面实现与操作者的交互.该代理机以欲分割区域的特征作为其组成部分之一.该方法在医学图像分割问题中的应用取得了较好的结果.     

基于图像分割的三维重构

三维重构方法是医学图像可视化系统、治疗计划系统的重要技术。基于图像分割的三维重构方法结合了图像分割、等值面抽取、网格简化三种技术,是不同于传统Marching Cubes算法的一种三维重构方法。它首先将医学图像分割为二值图,然后利用Marching Cubes方法进行等值面抽取,最后对得到的网格模型进行简化。实验结果表明,基于图像分割的三维重构方法加快了Marching Cubes的运算速度,改善了重构的效果,有利于实现对基于三维重构的大型几何模型的实时绘制和交互。     

基于自适应云模型的多模态脑部图像融合方法

多模态医学图像融合通过提取并综合不同模态的医学图像信息,获得对病灶部位更加清晰、全面、准确、可靠的图像描述,为医生对疾病的诊断和合理治疗方案的制定提供可靠的依据。云模型理论是认知科学研究的新成果,具有兼顾随机性和模糊性的优点,在图像融合中的应用较少。借助云模型理论将来自不同模态的MRI(核磁共振成像)脑部图像、MRI与PET(正电子发射断层成像)、MRI与SPECT(单光子发射断层成像)脑部图像进行融合。首先,根据脑部图像自身的灰度直方图特征,对灰度直方图进行拟合;然后,由拟合曲线的谷值点划分区间并通过逆向云发生器自适应地生成云模型;最后,设计云推理规则,得到融合后的图像。实验结果表明,相比传统融合方法,所提方法融合后的图像脑部特征更清晰,激活区域更明显,在主观融合效果与客观评价指标方面均有很大的提高。     

医学影像处理与分析开发包MITK的设计与实现

随着VTK(visualization ToolKit)和ITK(insight segmentation and registration ToolKit)两个软件开发包的成功,医学影像领域内的研究人员越来越重视本领域内的软件包的开发问题.介绍了所开发的集成化的三维医学影像处理与分析开发包MITK(medical imaging ToolKit),其目的主要是提供一个一致的框架,整合医学图像分割、配准、可视化等功能.给出了MITK的设计目标、整体框架和关键技术的实现,以及一些应用实例以展示MITK的功能.希望MITK能成为本领域内研究开发人员的另外一个可选择的开发包.     

基于PC的医学图像体绘制方法研究与仿真

体绘制技术是一种能够准确反映体数据内部信息的可视化技术。本文主要介绍了一种改进的体绘制算法，即首先对三维医学图像施加模糊增强，然后对增强后的图像进行模糊阈值分割，从而可以清晰地对三维数据场进行分类，即边界区与非边界区。对边界区与非边界区分别进行绘制。在PC机上进行仿真的结果表明，此方法既能提高绘制的速度，又能保证绘制质量。     

生成对抗式网络及其医学影像应用研究综述

生成对抗式网络（generative adversarial network,GAN）由负责学习数据分布的生成器和负责鉴别样本真伪的判别器构成,二者在相互对抗过程中互相学习逐渐变强。该网络模型使深度学习方法可以自动学习损失函数,减少了对专家知识的依赖,已经广泛应用于自然图像处理领域,对解决医学影像处理的相关瓶颈问题亦具有巨大应用前景。本文旨在找到生成对抗式网络与医学影像领域面临挑战的结合点,通过分析已有工作对未来研究方向进行展望,为该领域研究提供参考。1）阐述了生成对抗式网络的基本原理,从任务拆分、条件约束以及图像到图像的翻译等角度对其衍生模型进行分析回顾;2）对生成对抗式网络在医学影像领域中的数据增广、模态迁移、图像分割以及去噪等方面的应用进行回顾,分析各方法的优缺点与适用范围;3）对现有图像生成质量评估方法进行小结;4）总结生成对抗式网络在医学影像领域的研究进展,并结合该领域问题特性,指出现有理论应用存在的不足与改进方向。生成对抗式网络提出以来,理论不断完善,在医学影像的处理应用中也取得了长足发展,但仍然存在一些亟待解决的问题,包括3维数据合成、几何结构合理性保持、无标记和未配对数据使用以及多模态数据交叉应用等。     

基于OpenGL的真实感图形绘制技术及应用

科学计算可视化, 计算机动画和虚拟现实是现代计算机图形学的三个热点, 而这三个热点的核心都是三维真实感图形的绘制。通过VC + + 环境下的编程实践, 系统地总结了基于OpenGL 技术实现真实感图形绘制( 包括反走样、消隐以及光照模型等) 的基本步骤和方法, 并结合具体实例, 介绍了真实感图形绘制技术在地矿工程三维实体构模中的应用。     

基于HC-CFCN模型的肝脏CT图像分割

在计算机断层扫描(CT)图像中肝脏与相邻器官灰度值近似,且不同患者的肝脏轮廓存在差异性,导致肝脏CT图像的精确分割成为医学图像处理中的难题之一。为实现肝脏CT图像的自动分割,构建一种层间上下文级联式的全卷积神经网络模型HC-CFCN。利用第1级网络实现肝脏轮廓的粗略分割,并将其分割结果与原始CT图像、肝脏能量图共同作为第2级网络的输入,优化分割结果。在LiTS数据集上的实验结果表明,与U-Net、FCN+3DCRF和V-Net模型相比,HC-CFCN模型的分割精度较高。